Dev 10x AI-nativo: skills anti-bloat para fusionar sin revisar (vídeo 5/7)

Cómo @YourAverageTechBro mantiene calidad con merges de IA sin supervisión: gate pre-PR con thermonuclear review (Cursor) + react-best-practices (Vercel) + Ponytail en pasadas múltiples. Con instalación y links.

Resumen

Vídeo 5/7 de la serie "how to become a 10x ai-native developer" de @YourAverageTechBro (Thomas Kim, building yorby.ai). Tesis: deja que agentes cloud escriban y fusionen código sin tu supervisión (vídeos 1-4: ingeniero on-call 24/7 con skills de verificación), y mantén la calidad delegando en skills de review/simplificación que se ejecutan antes de cada PR, a veces varias pasadas seguidas (cada pasada del LLM encuentra simplificaciones nuevas).

Contexto de la serie (vídeos 1-4, según el autor)

Agentes cloud como ingeniero de guardia 24/7 que corrige bugs mientras duerme.
Skills de verificación que comprueban que los cambios funcionan como se espera.
Merge automático sin revisión humana del código.
Consecuencia: mucho código fusionado sin supervisión → el vídeo 5 responde "¿cómo mantienes la calidad?".

El método anti-bloat (extracción)

Define un gate obligatorio: ningún PR se fusiona sin pasar los skills de calidad.
Combina un review estructural duro + un skill específico del framework + un skill de simplificación agresiva.
Ejecuta los skills de simplificación varias veces en fila sobre el mismo diff (no-determinismo del LLM = cada pasada descubre recortes nuevos).
Los skills buscan pitfalls típicos del código verboso de IA: abstracciones innecesarias, ramas/capas/helper que pueden desaparecer enteros, ficheros gigantes, spaghetti condicional.

Skill 1 — Thermo-nuclear code quality review (equipo Cursor)

Qué es: review de mantenibilidad deliberadamente excesivo ("excessive, I know", dice el autor). Ambición estructural, no limpieza local: reencuadrar el cambio para que ramas, helpers, modos, condicionales o capas enteras desaparezcan.
Reglas duras: nada de sprawl de ficheros más allá de ~1000 líneas sin descomponer; nada de código "mágico"/frágil; nada de abstracciones finas que añaden indirección sin claridad; busca "code judo" (reestructuraciones que preservan comportamiento y simplifican dramáticamente).
Instalación: plugin thermos de Cursor → /add-plugin thermos. Skill thermo-nuclear-code-quality-review + skill gemelo thermo-nuclear-review (bugs/seguridad/breaking changes) + orquestador thermos (lanza ambos en paralelo y sintetiza).
Cuándo usarlo: auditoría profunda de rama/PR antes del merge.

Skill 2 — React best practices (Vercel, vercel-react-best-practices)

Qué es: el skill oficial de Vercel con ~70 reglas en 8 categorías ordenadas por impacto. Prioridad CRITICAL: eliminar waterfalls async y optimizar bundle; luego server-side, client data fetching, re-renders, rendering, JS y patrones avanzados.
Reglas estrella: async-parallel (Promise.all para operaciones independientes), async-defer-await, async-suspense-boundaries, bundle-barrel-imports (no barrel files), bundle-dynamic-imports (next/dynamic), server-cache-react (React.cache), server-parallel-fetching.
Instalación: npx skills add vercel-labs/agent-skills --skill vercel-react-best-practices. Funciona en 18+ agentes (Claude Code, Cursor, Copilot, Cline…).
Cuándo usarlo: al escribir/revisar componentes .tsx/.jsx, fetch de datos o refactors Next.js.

Skill 3 — Ponytail (el favorito del autor)

Qué es: "the lazy senior dev for your AI agent" — ruleset para que el agente escriba el mínimo código que funciona. Métricas publicadas: ~53% menos código, ~41% más rápido, ~26% más barato, igual de correcto (benchmark Opus 5.5, 39 tareas × 5 runs); validación/error handling/seguridad/accesibilidad nunca se simplifican; ~98% de la lógica con riesgo lleva test pequeño.
La escalera (stop at the first rung that holds): 1) ¿tiene que existir? 2) ¿ya existe en el codebase? 3) ¿lo hace la stdlib? 4) ¿la plataforma? 5) ¿una dependencia instalada? 6) ¿cabe en una línea? 7) solo entonces, el mínimo que funciona + 1 test si hay lógica.
Comandos: /ponytail lite|full|ultra|off, /ponytail-review (revisa el código que toca tu cambio, no solo el diff: bugs, seguridad, carga real, tests faltantes, velocidad, recortes), /ponytail-audit (repo entero), /ponytail-debt, /ponytail-gain, /ponytail-help.
Instalación: Claude Code → /plugin marketplace add DietrichGebert/ponytail + /plugin install ponytail@ponytail; resto (Cursor, Windsurf, Cline, Kiro, OpenCode, Zed…) → INSTALL.md del repo o AGENTS.md / skills/ponytail/SKILL.md. Solo instalar desde DietrichGebert/ponytail o @dietrichgebert/ponytail en npm.

Aplicación a CaseroClaw

Replicable tal cual: gate pre-PR con thermonuclear (estructura) + skill de framework (react-best-practices si hay frontend) + ponytail full en 2-3 pasadas.
Barato de probar este fin de semana en agentic-report-hub: instalar ponytail + vercel-react-best-practices y pasar /ponytail-review a los últimos PRs del hub.

Links (todos los referenciados)

Ficha del vídeo

Autor: YourAverageTechBro (Thomas Kim) · seguidores 199.8k · 811 vídeos
Stats del vídeo: 89.9k reproducciones · 5.451 likes · 540 compartidos · 70 comentarios · 5.612 guardados
Hashtags: #coding #ai #developer · playlist 7688347875511683853